用于鉴定天然大蒜油掺假合成大蒜油的检测方法技术

公开了一种用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其采用基于机器视觉的人工智能检测技术，以待检测大蒜油的检测多光谱图像和天然大蒜油的参考多光谱图像作为输入数据，以此来提取出两者在高维特征空间中的多尺度全局隐含特征之间的差异性特征，并以此来对于所述待检测大蒜油中是否包含掺假合成大蒜油进行鉴定检测。这样，将人工智能技术与光谱成像技术相结合来构造用于鉴定天然大蒜油掺假合成大蒜油的检测方案，以实现对于食品大蒜油中的天然大蒜油是否掺假合成大蒜油进行准确地检测。确地检测。确地检测。

【技术实现步骤摘要】
用于鉴定天然大蒜油掺假合成大蒜油的检测方法


[0001]本申请涉及食品检测
，且更为具体地，涉及一种用于鉴定天然大蒜油掺假合成大蒜油的检测方法。

技术介绍

[0002]天然大蒜油是由大蒜经过清洗、组织捣浆、提取过滤、蒸馏等工艺得到的产品。由于大蒜油中含有大量有药用价值的有机硫醚组分,还含有少量的碳水化合物和近20种氨基酸、铁、硒等对人体健康有益的成分,所以被广泛应用于医疗卫生、保健和食品工业。但是大蒜转化为大蒜油生产成本很高,转化率不到1％。因此，合成大蒜油在一些领域已经可以作为高价值天然大蒜油的补充和替代,但由于合成大蒜油中含有少量化学残留,不适合用于食品领域。不法商家为了谋取利益，采用合成大蒜油或者将合成大蒜油与天然大蒜油混合冒充天然大蒜油。
[0003]因此，期待一种鉴定天然大蒜油掺假合成大蒜油的检测方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其采用基于机器视觉的人工智能检测技术，以待检测大蒜油的检测多光谱图像和天然大蒜油的参考多光谱图像作为输入数据，以此来提取出两者在高维特征空间中的多尺度全局隐含特征之间的差异性特征，并以此来对于所述待检测大蒜油中是否包含掺假合成大蒜油进行鉴定检测。这样，将人工智能技术与光谱成像技术相结合来构造用于鉴定天然大蒜油掺假合成大蒜油的检测方案，以实现对于食品大蒜油中的天然大蒜油是否掺假合成大蒜油进行准确地检测。
[0005]根据本申请的一个方面，提供了一种用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其包括：获取待检测大蒜油的检测多光谱图像和天然大蒜油的参考多光谱图像；将所述检测多光谱图像和所述参考多光谱图像分别通过包含多个混合卷积层的深度卷积神经网络模型以得到检测特征图和参考特征图；将所述检测特征图和所述参考特征图分别通过非局部神经网络以得到增强检测特征图和增强参考特征图；计算所述增强检测特征图和所述增强参考特征图之间的差分特征图；对所述差分特征图进行面向类有界闭域的分布转移优化以得到优化差分特征图；以及将所述优化差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测大蒜油中是否包含掺假合成大蒜油。
[0006]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述将所述检测多光谱图像和所述参考多光谱图像分别通过包含多个混合卷积层的深度卷积神经网络模型以得到检测特征图和参考特征图，包括：使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述检测多光谱图像进行多尺度深度卷积编码以得到所述检测特征图；以及，使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述参考多光谱图像进行多尺度深度卷积编码以得到所述参考特征图。
[0007]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述检测多光谱图像进行多尺度深度卷积编码以得到所述检测特征图，包括：使用所述深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后一个混合卷积层输出所述检测特征图，其中，所述深度卷积神经网络模型的第一个混合卷积层的输入为所述检测多光谱图像。
[0008]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述参考多光谱图像进行多尺度深度卷积编码以得到所述参考特征图，包括：使用所述深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后一个混合卷积层输出所述参考特征图，其中，所述深度卷积神经网络模型的第一个混合卷积层的输入为所述参考多光谱图像。
[0009]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述深度卷积神经网络模型的各个混合卷积层包括并行的第一卷积分支结构、第二卷积分支结构、第三卷积分支结构和第四卷积分支结构，以及，与所述第一至第四卷积分支结构连接的多尺度融合结构，其中，所述第一卷积分支使用具有第一尺寸的第一卷积核，所述第二卷积分支使用具有第一尺寸且具有第一空洞率的第二卷积核、所述第三卷积分支使用具有第一尺寸且具有第二空洞率的第三卷积核、所述第四卷积分支使用具有第一尺寸且具有第四空洞率的第四卷积核。
[0010]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述将所述检测特征图和所述参考特征图分别通过非局部神经网络以得到增强检测特征图和增强参考特征图，包括：将所述检测特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；将所述全局感知特征图通过所述非局部神经网络的第四点卷积层以得到通道调整全局感知特征图；以及，计算所述通道调整全局感知特征图和所述检测特征图的按位置加权和以得到所述增强检测特征图。
[0011]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述将所述检测特征图和所述参考特征图分别通过非局部神经网络以得到增强检测特征图和增强参考特征图，包括：将所述参考特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；将所述全局感知特征图通过所述非局部神经
网络的第四点卷积层以得到通道调整全局感知特征图；以及，计算所述通道调整全局感知特征图和所述参考特征图的按位置加权和以得到所述增强参考特征图。
[0012]在上述用于鉴定天然大蒜油掺假合成大蒜油的检测方法中，所述计算所述增强检测特征图和所述增强参考特征图之间的差分特征图，包括：以如下公式来计算所述增强检测特征图和所述增强参考特征图之间的差分特征图；其中，所述公式为：其中，F
′1表示所述增强检测特征图，F
′2表示增强参考特征图，F
c
表示所述差分特征图，表示按位置作差。
[0013]在上述用于鉴定天然大蒜油掺假合成大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其特征在于，包括：获取待检测大蒜油的检测多光谱图像和天然大蒜油的参考多光谱图像；将所述检测多光谱图像和所述参考多光谱图像分别通过包含多个混合卷积层的深度卷积神经网络模型以得到检测特征图和参考特征图；将所述检测特征图和所述参考特征图分别通过非局部神经网络以得到增强检测特征图和增强参考特征图；计算所述增强检测特征图和所述增强参考特征图之间的差分特征图；对所述差分特征图进行面向类有界闭域的分布转移优化以得到优化差分特征图；以及将所述优化差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测大蒜油中是否包含掺假合成大蒜油。2.根据权利要求1所述的用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其特征在于，所述将所述检测多光谱图像和所述参考多光谱图像分别通过包含多个混合卷积层的深度卷积神经网络模型以得到检测特征图和参考特征图，包括：使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述检测多光谱图像进行多尺度深度卷积编码以得到所述检测特征图；以及使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述参考多光谱图像进行多尺度深度卷积编码以得到所述参考特征图。3.根据权利要求2所述的用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其特征在于，所述使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述检测多光谱图像进行多尺度深度卷积编码以得到所述检测特征图，包括：使用所述深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后一个混合卷积层输出所述检测特征图，其中，所述深度卷积神经网络模型的第一个混合卷积层的输入为所述检测多光谱图像。4.根据权利要求3所述的用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其特征在于，所述使用所述包含多个混合卷积层的深度卷积神经网络模型作为特征提取器对所述参考多光谱图像进行多尺度深度卷积编码以得到所述参考特征图，包括：使用所述深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后一个混合卷积层输出所述参考特征图，其中，所述深度卷积神经网络模型的第一个混合卷积层的输入为所述参考多光谱图像。5.根据权利要求4所述的用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其特征在于，所述深度卷积神经网络模型的各个混合卷积层包括并行的第一卷积分支结构、第二卷积分支结构、第三卷积分支结构和第四卷积分支结构，以及，与所述第一至第四卷积分支结构连接的多尺度融合结构，其中，所述第一卷积分支使用具有第一尺寸的第一卷积核，所述第二卷积分支使用具有第一尺寸且具有第一空洞率的第二卷积核、所述第三卷积分支使用具有第一尺寸且具有第二空洞率的第三卷积核、所述第四卷积分支使用具有第一尺寸且具有第四空洞率的第四卷积核。6.根据权利要求5所述的用于鉴定天然大蒜油掺假合成大蒜油的检测方法，其特征在于，所述将所述检测特征图和所述参考特征图分别通过非局部神经网络以得到增强检测特征图和增强参考特征图，包括：将所述检测特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；计算
所述第一...

【专利技术属性】
技术研发人员：张黎明，张明永，沙如意，韩洪庚，
申请(专利权)人：江苏福多美生物科技有限公司，
类型：发明
国别省市：